摘要:随着大数据时代的到来，人们每天都接受着不断变化的信息，其中，通过视觉进行信息的接收是我们对外界进行了解的重要方式之一，从视频中获取信息也成为人们获取接收信息的主流。在人们的日常生活中，视频检测也越来越占据了重要的位置，而目标检测作为视频检测的基础也就更加具有研究意义。

本文主要基于显著性分析对目标检测算法进行研究。本文主要针对解决的是在视频中运动目标难以被检测的问题。本文结合显著性算法、GBVS算法及光流法对目标进行检测。在利用显著性算法与GBVS算法得到显著特征的同时利用光流法对检测目标的运动特征进行提取，并将二者进行加权融合，从而得到空时显著图即目标的检测。

实验表明，相较于使用单一算法对目标进行检测，该融合算法对目标的检测更加精确，得到的检测目标更具有使用价值。该算法在准确性提高的同时在实时性与应用性上也有所加强，利用人眼视觉智能检测机制，能够使算法迅速对感兴趣区域进行检测，更加智能化，同时也提高了检测效率。该算法可广泛应用到机器人领域、监控系统等多个领域，为该些领域的工作创造了极大的便利。同时，对于人们的日常生活，如对家居老人危险测定、行车系统等方面也将得到应用，为人们的安全提供了重要保障。

关键词：目标检测；显著区域；剩余谱；光流法

目录

摘要

Abstract

1  绪论-1

1.1  研究背景和意义-1

1.2  国内外研究现状-2

1.3  主要工作内容-4

1.4  论文结构安排-4

2  视频目标检测算法原理-6

2.1  光流法原理-6

2.2  LK光流算法原理-6

2.3  HS光流算法原理-7

2.4  光流算法仿真及分析-7

3  显著目标检测算法基础-12

3.1  剩余谱模型-12

3.2  显著性算法提取显著图-12

3.3  显著性算法仿真及分析-13

4  显著视频运动目标检测算法-17

4.1  算法理论基础-17

4.2  显著视频运动目标检测算法构建-18

4.3  实验仿真与分析-19

结    论-23

参 考 文 献-24